基于蚁群算法AS-R移动式机器人路径规划的研究

蚂蚁算法是—种新的仿生优化方法。它吸收了昆虫中蚂蚁的行为特性,通过其内在的搜索机制,在一系列组合优化问题求解中进行寻优。本文提出了一种适用于移动式机器人路径规划的蚁群优化方法,该方法在移动式机器人执行任务时可以在避开障碍的情况下,以最短路径到达目标点。实验研究证明了该方法的可行性和优越性。     

基于蚁群算法的喷涂机器人喷枪路径规划

根据复杂曲面的几何特性,对曲面进行分片处理,并建立喷枪路径的评价函数,在每一片上进行喷涂机器人喷枪路径的规划。为了使喷涂机器人喷涂作业的时间最短,将整个曲面上的喷枪路径优化组合问题看成乡村邮递员问题(ORPP),并利用改进的蚁群算法求解ORPP问题。算法中通过在进化过程中动态调整蚂蚁的个体信息,激励蚁群搜索可行空间并发现最优解集。最后以一个复杂曲面工件为喷涂对象进行喷涂实验,结果证明了改进的蚁群算法比一般性随机算法效果更佳。     

轮式机器人路径规划的改进蚁群算法CSCD

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

基于改进蚁群算法激光导航轮式机器人路径规划

针对激光导航轮式机器人在复杂环境中路径规划原始算法存在路径较长和收敛速度较慢的问题,提出了一种改进蚁群算法。在实际算法中,先利用MAKLINK图论建立AGV运行环境的空间模型,接着用Dijkstra算法搜索优化路径;然后,在Dijkstra算法的基础上采用蚁群算法搜索最优路径;紧接着,在改进蚁群算法中,优先选择搜索前后两节点同起点到终点夹角一致或相差不大的后一个搜索节点,获取新的信息素更新策略,并进行角度的初始化和信息素计算;最后,在Matlab上完成算法的编写并得到仿真结果。结果表明,改进蚁群算法路径优化性能更好,对实际环境中机器人的路径规划具有指导意义。     

基于蚁群算法的机器人路径规划研究

蚁群算法是一种全局智能仿生算法,具有较强的鲁棒性和环境适应性,在栅格化环境下适用于机器人路径规划,但会带来搜索出的路径拐弯过多、运动延时、移动累计误差增大和产生额外机械磨损等问题。为解决上述问题,提出了路径平滑处理策略,对蚁群算法每次迭代出的最短路径进行了平滑处理,针对每次迭代搜索出的最短路径栅格节点集合,在不妨碍机器人运动的前提下,拉直移动路径或减缓拐弯角度,从而避免不必要的急拐弯。仿真结果表明,加入平滑处理策略后的蚁群算法能够达到有效减少移动路径长度、降低转弯次数、缩短运动时间的目的。     

基于改进蚁群算法的机器人路径规划问题研究

针对基本蚁群算法前期搜索效率低下以及在寻优的过程中会穿过障碍物等问题,提出改进的蚁群算法,即采用动态调整启发因子、信息素初始化改进策略、可选节点的筛选机制方案进行改进工作。通过对基本蚁群算法和改进蚁群算法的仿真结果分析可知,改进后算法的最优路径长度虽然有所增加,但减少了蚂蚁前期到达最优路径的迭代次数,得到一条无碰撞、没有穿过障碍物的路径,且耗时与基本蚁群算法相持平,保证了机器人路径的安全性,提高了算法的前期搜索效率。     

改进蚁群算法在焊接机器人路径规划中的应用

路径规划是机器人研究的核心内容之一。为了解决针对于白车身生产线焊接机器人路径规划效率低下的问题,提出了一种改进的焊接机器人路径规划的方法,分析了焊接机器人路径规划问题的构成。并针对基础蚁群算法在解决焊接机器人路径规划时,容易出现搜索时间过长、效率低、容易陷入局部最优等问题,引用了粒子群算法。利用粒子群算法对蚁群算法随机产生的若干组较优解进行交叉和变异操作,得到了更有效的解。最后在MATLAB中利用优化后的蚁群算法计算最佳焊接路径,并与基础蚁群算法的结果对比。对比情况表明:优化的蚁群算法在解决焊接机器人路径规划问题上能得到更优的焊接路径和稳定性。     

机器人路径规划的栅格模型构建与蚁群算法求解

针对二维平面上机器人路径规划问题,利用具有二元信息的栅格描述机器人移动环境,再以最短路径为目标,考虑移位约束、避碰约束、运动约束等约束条件,构建机器人路径规划的栅格模型。为降低模型计算复杂度,将其转化为混合整数线性规划模型,并用GAMS/Cplex找到小规模问题的全局最优解,验证模型有效性。为快速求解大规模问题的近优解,利用蚁群算法的进化机制,融合多路径选择和概率选择策略,寻找最短行走路径。实验结果表明,所提出的模型及算法能有效求解机器人路径规划问题。     

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则。将所有机器人放置于初始位置,经过NC次无碰撞迭代运动找到最优路径,到达目标位置。为防止机器人在路径搜索过程中没有达到最大迭代次时路径大小已不发生变化而陷入局部最优,则通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值,继续搜索,直到迭代完毕,获得最优路径。     

基于蚁群算法全自主机器人路径规划研究

蚁群算法是一种源于大自然中生物世界的仿生类算法,它模仿昆虫王国中蚂蚁搜索食物的行为特征,是一种通用型随机优化方法。本文将蚁群算法引入全自主机器人路径规划之中,让机器人寻求一条最优路径。仿真实验证明了该方法的可用性和有效性。     

基于改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且易陷入局部最优值的问题,提出一种改进的蚁群优化算法。该方法依据起始点和目标点位置信息选择全局有利区域增加初始信息素浓度,提高前期蚂蚁搜索效率;增加避障策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死锁数量;采用动态参数控制的伪随机转移策略,提出优质蚂蚁信息素更新原则,自适应调整挥发系数,提高算法全局性;进行二次路径规划,优化路径并降低移动机器人能耗的损失。实验结果表明,该算法有较高的全局搜索能力,收敛速度明显加快,并且可以有效提高移动机器人工作效率,验证了该算法的有效性和优越性。     

基于改进蚁群算法的移动机器人全局路径规划

为提高机器人全局路径规划的通用性,将机器人的环境地图分为目标点在障碍物内和障碍物外两种情况,采用了伪随机比例规则和随机选择机制,使蚂蚁下一节点的选择在倾向于目标点的同时又不会陷入局部最优解,既提高了蚂蚁的搜索效率又扩展了搜索范围,并采用最大一最小蚂蚁思想来限制信息素的强度以防止早熟收敛现象的发生。为提高算法的实用性,运用几何方法对路径进行了修正处理,实现了机器人的快速全局路径规划。仿真研究表明：该算法具有较强的通用性、实用性和路径较优的特点。     

一种面向室内 AGV 路径规划的改进蚁群算法

针对传统蚁群算法在大规模和复杂环境中,全局搜索效率差,收敛速度慢,路径转弯次数过多且不够平滑等问题,本文提出一种改进蚁群算法。该方法通过动态更新不同等级蚂蚁路径上的信息素,加快算法的收敛速度;通过引入距离函数和方向函数作为启发因子,改善路径搜索质量;采用一种改进自适应伪随机转移策略,减小陷入局部最优解的概率;在最优路径的基础上引入三次均匀B样条曲线进行优化,提高路径的平滑性。通过在2种不同规模环境下的路径规划实验表明,本文算法相比传统算法在分别减少55.6%和59.4%转弯次数的基础上,提升87.5%和100%的收敛速度,验证了本文算法的优越性。最后,以QBot2e为平台,将本算法应用到室内自动导引车(AGV)路径规划中,进一步验证了算法的实用性。     

基于改进蝗虫优化算法的移动机器人路径规划

为提升蝗虫优化算法(GOA)在移动机器人路径规划中的应用效果,将基于Levy飞行的局部搜索策略和基于线性递减参数的随机跳出策略引入到GOA中,提出了改进蝗虫优化算法(IGOA)。相比于GOA,IGOA中的Levy飞行局部搜索策略增强了算法的随机性,线性递减参数的随机跳出策略降低了算法陷入局部最优的概率。移动机器人2种不同行驶环境的路径规划实例中,IGOA获得的结果更优。     

基于白适应蚁群算法的无人飞行器航迹规划

为求解无人飞行器航迹规划问题,提出自适应蚁群算法,区别于标准蚁群算法的全部搜索模式,该算法采用局部搜索模式。首先根据起始节点与目标节点的相对位置关系选择相应的搜索模式,然后计算各个待选节点的转移概率,最后按照轮盘赌规则选择下一个节点。仿真结果表明,自适应蚁群算法具有搜寻节点数少、速度快等优点,在降低了航迹代价的同时,减小了计算时间。此外,自适应蚁群算法可以避免奇异航迹段的出现,从而保证所获的航迹实际可飞,表明所提算法整体性能明显较标准蚁群算法优异。     

基于改进蚁群算法的装配序列规划研究

装配序列规划能解决装配过程中所出现的速度和质量问题,降低生产成本。通过考虑装配影响因素,对装配体零件之间关系进行数学建模,提出一种解决该问题的改进蚁群算法。算法提出用加强装配关系矩阵来表示零件之间存在的强约束关系;用加强随机状态转移规则,使蚂蚁能更快地寻找到最优或者近优解;完善信息素更新规则,使算法能更好的利用正反馈机制。通过实例证明,该改进型算法能实际有效地解决装配序列规划问题。     

基于蚁群算法的单克隆菌落挑选仪路径规划

单克隆菌落挑选仪是集光学成像、图像识别和自动控制等技术于一身,应用于生物工程领域的一种高端仪器。对12×8阵列挑选针和无序排列的菌落目标,只有对挑选路径和顺序进行优化,才能有效提高挑选通量。针对这一需求,利用蚁群算法的基本原理,对单克隆菌落挑选仪挑选路径进行了优化。仿真实验结果表明,该算法可以有效提高挑选效率。     

一种用于优化PID参数的改进蚁群算法

PID控制由于算法简单,鲁棒性好在工业的过程控制中应用很广泛,但是传统的Z-N算法整定的PID参数却并不是最佳的。蚁群算法作为一种新型的仿生优化算法。该算法具有很多优良的性质,近年来在优化领域中得到了广泛应用。本文提出了一种改进的蚁群算法。通过增加高斯变异这一环节来增强算法的智能性。最后通过仿真实验获得了较好的控制效果。     

基于改进蚁群算法的模糊控制器优化研究

作为智能控制的一种新技术,模糊控制不依赖于工业对象模型。它不是用数值变量而是用语言变量来描述系统特征。并依据系统的动态信息和模糊控制规则进行推理以获得合适的控制量。因而具有较强的鲁棒性。本文使用蚁群算法对模糊控制器进行优化实现模糊规则的自寻优。通过MATLAB进行仿真试验,系统阶跃响应表明经改进的蚁群算法寻优得到的模糊控制器具有良好的性能。